基于视频结构化的目标识别与分析

发布时间：2023-04-11 18:30

　　随着智慧城市,平安城市系统的快速建设,在海量监控视频中提取所需信息的难度越来越大,因此,安防系统对于视频分析系统的需求越来越迫切。视频结构化分析系统是面向智慧城市、平安城市等项目建设,针对行业视频图像大数据进行人工智能解析的一个基础平台,主要是通过视频结构化描述技术对视频进行语义信息提取及描述。视频结构化分析系统通常包括图像处理、特征提取、目标检测,目标识别、视频标准化描述等步骤。经过上述处理方法,通过对视频内容进行语义化分析,将视频图像信息转化成可对视频内容进行准确描述的文本类信息,由此转化为公安系统实际可用的情报。目前,随着深度学习技术的发展,深度学习技术在实现道路监控视频信息的情报化、视频监控网络的智慧化中扮演者越来越重要的角色。本研究主要通过深度学习中目标检测技术,例如YOLO,SSD等;车脸识别技术,例如基于FaceNet的车辆属性识别技术,对原始视频进行智能分析,提取出关键信息,并进行文本的语义描述。对于一段道路监控视频内容,主要是有三项识别,分析内容:第一是目标的检测,也就是对画面中运动或静止车辆,行人的检测;第二是对目标特征的识别,也就是画面中的目标有什么特征,例如,对...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号及名词说明
第一章 绪论
    1.1 目标检测与目标识别
    1.2 目标分析
        1.2.1 分枝神经网络的车辆识别
    1.3 深度学习的简介与发展
        1.3.1 深度学习的简介
        1.3.2 深度学习中卷积神经网络的计算方式
        1.3.3 深度学习的在视频结构化系统的应用
第二章 视频结构化系统
    2.1 视频结构化系统的目标检测与识别
        2.1.1 One-Stage的目标检测算法
        2.1.2 YOLO v3
    2.2 视频结构化系统的车脸检测与对齐
        2.2.1 车脸检测与对齐的数据准备
        2.2.2 车脸检测与对齐的实现方法
        2.2.3 车脸检测与对齐的训练
    2.3 视频结构化系统的车辆属性分析
        2.3.1 核心网络与分枝网络
        2.3.2 核心网络与分枝网络的训练
    2.4 车牌识别
    2.5 车辆轨迹分析与系统最终实现方式
第三章 实验结果与评估
    3.1 实验方式
    3.2 实验结果
    3.3 BM-Net算法加速评估
        3.3.1 InceptionNet相较于传统CNN的提升
        3.3.2 MobileNet相对于InceptionNet的提升
    3.4 目标检测算法选择性评估
    3.5 实验分析与展望
第四章 结论
附录
参考文献
致谢
攻读学位期间发表的学术论文和参加科研情况
学位论文评阅及答辩情况表



本文编号：3789556